[發明專利]一種基于深度信念網絡的視頻熱度預測方法及其系統

有效

• 申請號: 201610027422.7
• 申請日: 2016-01-15
• 公開（公告）號: CN105635762B
• 公開（公告）日: 2018-11-27
• 發明（設計）人: 陳亮;張俊池;王娜;李霞
• 申請（專利權）人: 深圳大學
• 主分類號: H04N21/258
• 分類號: H04N21/258;G06F17/30
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 王利彬

1.一種基于深度信念網絡的視頻熱度預測方法，其特征在于，所述方法包括：

根據視頻特征選擇輸入變量并對影響因子進行歸一量化，以對訓練數據進行預處理；

根據所選擇的輸入變量以及特征重構誤差確定單層的限制性玻爾茲曼機重構維數，并通過多層限制性玻爾茲曼機的堆疊和一層BP神經網絡以構成深度信念網絡；

通過全局學習算法對所述深度信念網絡進行調整，以獲取最優視頻預測模型；

將待測的視頻測試數據放入所述最優視頻預測模型中進行熱度預測分析以及觀看量預測分析。

2.如權利要求1所述的基于深度信念網絡的視頻熱度預測方法，其特征在于，所述輸入變量具體包括視頻的出品年份、國家地區、視頻角標、放映電視臺、視頻類型、視頻總集數、視頻版權、制作等級、豆瓣評分、演員影響力、導演影響力以及百度搜索指數。

3.如權利要求2所述的基于深度信念網絡的視頻熱度預測方法，其特征在于，所述深度信念網絡包括深度信念網絡的網絡輸入層、限制性玻爾茲曼機網絡層以及輸出層。

4.如權利要求3所述的基于深度信念網絡的視頻熱度預測方法，其特征在于，所述對所述深度信念網絡進行調整包括調整限制性玻爾茲曼機網絡層的層數、重構維度以及權值參數，以優化網絡參數和預測模型。

5.一種基于深度信念網絡的視頻熱度預測系統，其特征在于，所述基于深度信念網絡的視頻熱度預測系統包括：

預處理模塊，用于根據視頻特征選擇輸入變量并對影響因子進行歸一量化，以對訓練數據進行預處理；

網絡構建模塊，用于根據所選擇的輸入變量以及特征重構誤差確定單層的限制性玻爾茲曼機重構維數，并通過多層限制性玻爾茲曼機的堆疊和一層BP神經網絡以構成深度信念網絡；

模型獲取模塊，用于通過全局學習算法對所述深度信念網絡進行調整，以獲取最優視頻預測模型；

預測分析模塊，用于將待測的視頻測試數據放入所述最優視頻預測模型中進行熱度預測分析以及觀看量預測分析。

6.如權利要求5所述的基于深度信念網絡的視頻熱度預測系統，其特征在于，所述輸入變量具體包括視頻的出品年份、國家地區、視頻角標、放映電視臺、視頻類型、視頻總集數、視頻版權、制作等級、豆瓣評分、演員影響力、導演影響力以及百度搜索指數。

7.如權利要求6所述的基于深度信念網絡的視頻熱度預測系統，其特征在于，所述深度信念網絡包括深度信念網絡的網絡輸入層、限制性玻爾茲曼機網絡層以及輸出層。

8.如權利要求7所述的基于深度信念網絡的視頻熱度預測系統，其特征在于，所述對所述深度信念網絡進行調整包括調整限制性玻爾茲曼機網絡層的層數、重構維度以及權值參數，以優化網絡參數和預測模型。